通用 AI 生图：文生图 / 图生图 / 图像变体。当用户说 AI 生图、AI 画图、文生图、图生图、生成图片、生成配图、图像生成、AI 出图、AI 作图、换图、改图、图像编辑、给我画一张、生成一张图 时使用。支持 OpenAI 兼容 API 与 apimart 异步 API，用户自备 API key。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
無料GitHub で公開
skill-positioning-analysis
差异化定位分析：帮账号/品牌找到差异化定位——扫描赛道、给竞品定位坐标、识别空白机会、 从人群/场景/价值/形式/人设多维找差异点，凝练一句话定位并给落地建议。当用户说"差异化定位" "怎么和竞品区分""我的定位是什么""找差异化""赛道分析""定位分析""怎么突出""同质化怎么办" "找我的独特点"时使用。
含まれるファイル（3）
- SKILL.md3.8 KB
- EASEL-META.md601 B
- references/positioning-frameworks.md3.7 KB
SKILL.md（原文）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
差异化定位分析（positioning-analysis）
找到"我和别人不一样、且用户需要"的位置。领域方法在
references/positioning-frameworks.md， 本文件只讲流程。定义方法与模型，不套具体案例。
竞品拆解见 skill-competitor-analysis（数据/爆款）；人设声音见 skill-voice-builder； 本 SKILL 专做差异化定位的分析与凝练（competitor-analysis 偏数据，本 SKILL 偏战略定位）。
输入
| 字段 | 必填 | 说明 |
|---|---|---|
| 自己账号 | 是 | 赛道、内容、受众、优势（有 Profile 直接读） |
| 竞品/对标 | 推荐 | 3-5 个对标账号及其特点（没有则据赛道常识推演，并说明是推演） |
| 目标 | 可选 | 想主打的方向（涨粉/带货/专业影响力等） |
执行步骤
- 赛道扫描：明确所在细分赛道、主流玩家的共性打法（读
references/positioning-frameworks.md「一、赛道扫描」），找出这个赛道"大家都在做什么"。 - 竞品定位坐标：按「二、定位坐标法」选两个关键维度（如 专业↔娱乐 / 高端↔平价 / 硬核↔日常） 画二维坐标，把竞品摆上去，看聚集区与空白区。
- 识别空白机会：按「三、蓝海机会识别」找 需求存在但供给不足 的位置（人群空白/场景空白/ 价值空白/形式空白），排除伪空白（没人做是因为没需求）。
- 多维差异化：按「四、差异化五维」逐维找差异点——人群细分 / 使用场景 / 核心价值 / 内容形式 / 人设风格，选 1-2 个最可持续、最难被模仿的作为主差异点。
- 凝练一句话定位：按「五、一句话定位公式」输出
为[人群]在[场景]提供[独特价值]的[品类/角色]， 要求具体、可记、可验证。 - 落地建议：定位如何体现在 选题/风格/视觉/人设 上（差异点要在内容里持续可感知）， 并给"如何验证定位是否成立"的信号。
- 输出：赛道共性 → 定位坐标（竞品分布+空白）→ 差异化主张（多维）→ 一句话定位 → 落地建议 → 风险。
Profile 感知
- 有 Profile：自己账号信息直接读
identity.md/audience.md/style.md；定位建议与既有优势/受众一致， 不给"推倒重来"式脱离现状的定位；差异点落到style.md可执行。 - 无 Profile：先让用户给赛道+对标+优势，或据赛道常识推演并明确标注为推演，末尾提示补 Profile 精化。
规则
- 差异化 = 不同 且 有需求 且 你能持续做到，三者缺一不可（只不同不叫定位，叫小众自嗨）。
- 定位坐标至少用两个能区分竞品的维度，避免选无区分度的维度。
- 一句话定位必须具体可验证，拒绝"更好/更专业/更用心"这类无差异空话。
- 差异点要能在内容中被用户持续感知，否则是纸面定位。
- 尊重账号现状与优势，给"从现有基础差异化"的路径，不空谈理想定位。
参考来源
沉淀自定位理论（差异化、心智占位）、蓝海战略（价值曲线/空白机会）、用户细分（人群-场景-价值） 等通用方法，落地到内容账号定位。框架化为可复用模型，不绑定具体品牌案例。
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
ai-music
無料AI 音乐 / BGM 生成：给短视频、社媒内容生成原创背景音乐 / 配乐 / 纯音乐。通过可插拔 provider（阿里 DashScope / Suno 类第三方 API）文生音乐，异步提交→轮询→下载，产物可再裁剪/归一化或加到视频。当用户说“AI 音乐”“AI 配乐”“生成 BGM”“背景音乐”“原创音乐”“AI 作曲”“纯音乐”“给视频配乐”“做首曲子”时使用。与 tts-voiceover 的区别：tts-voiceover 生成人声口播/旁白，ai-music 生成背景音乐/配乐（无人声或带演唱）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
AI 视频生成：文生视频 / 图生视频 / 数字人首帧驱动。通过可插拔 provider（通义万相 Wan / 火山 Seedance / 快手可灵 / OpenAI 兼容）异步生成视频，用户自备 API key。当用户说 AI 视频生成、文生视频、图生视频、AI 生成视频、AI 短视频、让图片动起来、数字人视频、生成一段视频 时使用。与 video-strategy（选型/策略）、video-editing（剪辑处理）、clipify（切片）区别：本 SKILL 是从 0 用 AI 生成新视频。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
outputs/ 目录下的产物管理：按日期/平台/类型归档、打标签、搜索历史内容、生成素材清单。 当用户说"整理素材"、"归档"、"找之前的内容"、"搜索历史"、"素材管理"、 "outputs 整理"、"之前做的"时使用。 与其他 produce 层 SKILL 的区别：produce 层负责生成内容， asset-manager 负责生成后的产物管理（归档、检索、标签）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
音频降噪：去除录音中的背景噪声、电流声、风噪、嗡嗡声，基于 ffmpeg 滤镜链（afftdn/highpass/lowpass）。 当用户说"降噪""去噪""去杂音""消除背景噪声""电流声""风噪""录音有杂音""音频降噪"时使用。 和 audio-editing 的区别：audio-editing 做剪辑/转码/音量等通用音频操作（内置 denoise 兜底），本 SKILL 专做降噪调参。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新
通用音频处理：音频剪辑/裁剪、格式转码（mp3/wav/m4a/aac）、音量归一化、从视频提取音轨、多段拼接、淡入淡出、变速（保音高）。当用户说“剪音频”“裁一段”“转成 mp3”“调音量/响度”“提取音轨/扒音频”“拼接音频”“淡入淡出”“加速/减速音频”“变速不变调”时使用。与 audio-denoise 的区别：audio-denoise 专做降噪，audio-editing 做除降噪外的通用音频操作（也内置 denoise 作为兜底）。
日本語の概要は準備中です。原文の説明を表示しています。
ZJU-REAL/Easel3,5882026年10月12日 更新